Answers:
通常,它总是会表现更好是不正确的。有几种集成方法,每种方法都有其自身的优点/缺点。使用哪个,然后取决于当前的问题。
例如,如果您的模型具有较高的方差(它们过度拟合了数据),那么您可能会受益于使用装袋。如果您对模型有偏见,最好将它们与Boosting结合使用。也有不同的策略来形成合奏。该主题太宽泛,无法在一个答案中涵盖。
但是我的意思是:如果您对设置使用了错误的集成方法,那么您将无法做得更好。例如,将Bagging与偏差模型结合使用将无济于事。
另外,如果您需要在概率环境中工作,则合奏方法也可能不起作用。这是众所周知的是增压(在其最流行的形式类似的AdaBoost)主罚差的概率估计。也就是说,如果您希望拥有一个可以推理数据的模型,而不仅仅是分类,那么使用图形模型可能会更好。